DataFrame分组筛选：按规则选取每组B值最接近15的行

咱们先把示例数据用Pandas构造出来：

import pandas as pd

data = {
    'A': ['01:00:00', '01:00:00', '01:00:00', '01:00:00',
          '02:00:00', '02:00:00', '02:00:00', '02:00:00'],
    'B': [24, 28, 12, 18, 17, 35, 45, 14],
    'C': ['Andrew', 'Edd', 'Emma', 'Fred',
          'Andrew', 'Edd', 'Emma', 'Fred']
}
df = pd.DataFrame(data)

接下来按照需求实现筛选逻辑，步骤如下：

1. 计算B值与15的绝对差值：新增一列diff，用来衡量每个B值和15的距离
2. 分组后按规则排序：按A列分组，每组内先按diff升序（优先选距离15最近的），再按B列降序（距离相等时选数值更大的）
3. 提取每组第一行：排序后每组的第一行就是我们需要的结果

对应的代码实现：

# 计算与15的绝对差
df['diff'] = abs(df['B'] - 15)

# 分组排序后取每组第一行，保留原索引
result = df.groupby('A', group_keys=False).apply(
    lambda x: x.sort_values(by=['diff', 'B'], ascending=[True, False]).head(1)
)

# 去掉临时的diff列，还原成期望的输出格式
result = result.drop('diff', axis=1)
print(result)

运行后输出的结果和你期望的完全一致：

A   B     C
3  01:00:00  18  Fred
7  02:00:00  14  Fred

补充说明一下排序逻辑：当两个B值和15的距离相等时（比如01:00:00组里的12和18，和15的差都是3），按B降序排序会让18排在12前面，这样取第一行就符合需求里“选数值较大的”规则。

内容的提问来源于stack exchange，提问作者Tie_24